La determinación de los umbrales de diagnóstico es crucial para el diagnóstico de fallos en los activos industriales. Las máquinas rotativas en diferentes condiciones de trabajo son especialmente desafiantes debido al par dinámico y la velocidad. En este artículo, se propone una innovación avanzada basada en el aprendizaje automático denominada técnica de estimación de estado multivariante para mejorar la precisión de los umbrales de diagnóstico. También se aplica una novedosa técnica de preprocesamiento llamada espectrometría de resonancia de vibraciones para lograr una capacidad de bajo costo computacional para el monitoreo de condiciones en tiempo real. El sistema de monitoreo que utiliza los métodos anteriores se aplica luego para la prognóstica de un modelo de ventilador como ejemplo. Se añadieron diferentes niveles de desbalance radial al ventilador y se probaron, y luego se compararon con el estado de salud. Los resultados muestran que la metodología propuesta puede detectar el desbalance con buena precisión y bajo costo computacional. La metodología propuesta puede aplicarse a activos de ingeniería complejos para un mejor monitoreo predictivo que podría procesarse con dispositivos de borde locales, o eventualmente una plataforma en la nube debido a su capacidad para la reducción de dimensiones sin pérdida.